Elektrificatie & CO₂ – Een doorlopende datastory#
Inleiding – Wat staat er op het spel?#
Europa wil in 2030 ten minste 55 % minder CO₂‑uitstoot (Fit‑for‑55). Kunnen elektrische voertuigen (EV’s) die kloof in de transportsector in hun eentje dichten?
We analyseerden registratie‑ en uitstootdata (2010‑2023) voor 27 EU‑landen om de vraag te beantwoorden:
Dragen stijgende EV‑aandelen rechtstreeks bij aan lagere CO₂‑uitstoot van personenauto’s?
We verkennen twee perspectieven en gebruiken interactieve visualisaties om de data te onderbouwen.
Perspectief 1 – Elektrische voertuigen als dé oplossing#
Perspectief 1 – EV’s als primaire oplossing.
Dit hoofdstuk onderzoekt of een stijgend aandeel elektrische voertuigen (EV’s) leidt tot lagere CO₂‑uitstoot van nieuw geregistreerde auto’s.
We gebruiken twee visualisaties:
Lijngrafiek – EV‑aandeel per land (2010‑2023)
Scatter + slider – EV‑aandeel vs CO₂‑uitstoot per land/jaar
Visualisatie 1.1 – EV‑aandeel per land (2010‑2023)#
Interpretatie
Noorwegen springt eruit met het hoogste EV‑aandeel, terwijl Polen en Spanje achterblijven. Beleidskeuzes en laadinfrastructuur blijken bepalend.
Visualisatie 1.2 – CO₂‑uitstoot vs. EV‑aandeel (slider)#
Ook hier zien we een negatieve correlatie: landen met een groter EV‑aandeel hebben doorgaans lagere gemiddelde CO₂‑uitstoot per kilometer.
Tussenstand#
Een stijgend EV‑aandeel gaat hand in hand met een CO₂‑daling, maar het verband is niet overal even sterk.
Zou de stroommix of voertuigefficiëntie het effect temperen?
Dat onderzoeken we in Perspectief 2.
Perspectief 2 – Elektrificatie alléén is onvoldoende#
Perspectief 2 – Beperkte impact van EV‑adoptie. Dit hoofdstuk bekijkt in hoeverre de huidige adoptie van elektrische voertuigen (EV’s) niet altijd resulteert in een uniforme of significante daling van de CO₂‑uitstoot van nieuw geregistreerde auto’s.
We presenteren twee visualisaties:
Lijngrafiek – Evolutie van CO₂‑uitstoot per land (2013‑2023)
Interactieve kaart – EV‑aandeel per land met jaarslider
Visualisatie 2.1 – Evolutie CO₂-uitstoot per land#
Deze grafiek ondersteunt het perspectief dat de impact van EV-adoptie op nationale CO₂-uitstoot niet overal even doorslaggevend is. Ondanks de stijging van het aantal elektrische voertuigen blijven de verschillen tussen landen groot en is de daling van uitstoot vaak traag of wisselend.
Noorwegen 🇳🇴: Vormt de uitzondering die de regel bevestigt: een forse toename van EV’s gaat hier samen met een snelle daling in uitstoot. Toch onderstreept dit juist dat sterke beleidsmaatregelen nodig zijn om echt verschil te maken.
Nederland 🇳🇱: Toont een gestage daling, maar niet zo scherp als Noorwegen. Het laat zien dat een stijgend EV-aandeel niet automatisch leidt tot drastisch lagere CO₂-uitstoot zonder aanvullende beleidssteun of structurele marktverandering.
Duitsland 🇩🇪: Ondanks flinke investeringen in EV’s vanaf 2020 blijft de gemiddelde uitstoot relatief hoog. Dit bevestigt dat de effecten van EV-adoptie beperkt zijn zolang andere autotypes dominant blijven.
Frankrijk 🇫🇷: Laat een gematigde en stabiele daling zien. Het onderbouwt het idee dat ook landen met een gematigd EV-beleid geen grote verschillen zien in uitstoot.
Spanje 🇪🇸: De trage afname in uitstoot bevestigt dat een laag EV-aandeel nauwelijks invloed heeft op de gemiddelde uitstoot.
Polen 🇵🇱: Illustreert het sterkst het perspectief: met een zeer laag EV-aandeel en amper afname van CO₂-uitstoot vormt Polen een duidelijk voorbeeld van beperkte impact.
Visualisatie 2.2 – EV‑aandeel per land (choropleth met slider)#
De kaart laat zien dat de hoge EV‑penetratie vrijwel exclusief is voor Noorwegen (en in mindere mate Nederland), terwijl een groot deel van Europa onder de 5 % blijft. Dat verklaart waarom de totale CO₂‑daling in vis. 2.1 beperkt is.
Conclusie#
Resultaten & Conclusie#
Binnen onze datastory stonden twee – op het eerste gezicht tegengestelde – perspectieven centraal:
Perspectief 1 – “Elektrische voertuigen zijn dé sleutel tot emissiereductie.”
Verwacht: een duidelijk, bijna lineair verband tussen EV‑aandeel en CO₂‑daling.Perspectief 2 – “Elektrificatie alléén is onvoldoende.”
Verwacht: een zwak of inconsistent verband; andere factoren (stroommix, efficiëntie) spelen mee.
Om te beoordelen welke positie het sterkst is (of hoe ze elkaar aanvullen) tonen we drie interactieve visualisaties:
EU‑trend – laat de grote lijn zien.
Slope‑chart per land – onthult verschillen in tempo.
ΔEV vs ΔCO₂ scatter – test het veronderstelde causale verband direct.
Scrol, hover en filter om zelf de data te verkennen. Onder elke figuur geven we een korte interpretatie.
Figuur 1 – EU‑trend. Het EV‑aandeel (blauw) groeit exponentieel vanaf 2014, terwijl de gemiddelde type‑goedkeurings‑CO₂ (gestippeld) gestaag daalt.
Goed voor Perspectief 1? De richtingen kloppen, maar de CO₂‑curve daalt langzamer dan het EV‑aandeel stijgt, wat ruimte laat voor Perspectief 2.
---------------------------------------------------------------------------
KeyError Traceback (most recent call last)
File ~\anaconda3\envs\jupyterbook\lib\site-packages\pandas\core\indexes\base.py:3812, in Index.get_loc(self, key)
3811 try:
-> 3812 return self._engine.get_loc(casted_key)
3813 except KeyError as err:
File pandas/_libs/index.pyx:167, in pandas._libs.index.IndexEngine.get_loc()
File pandas/_libs/index.pyx:196, in pandas._libs.index.IndexEngine.get_loc()
File pandas/_libs/hashtable_class_helper.pxi:7088, in pandas._libs.hashtable.PyObjectHashTable.get_item()
File pandas/_libs/hashtable_class_helper.pxi:7096, in pandas._libs.hashtable.PyObjectHashTable.get_item()
KeyError: 'TIME_PERIOD'
The above exception was the direct cause of the following exception:
KeyError Traceback (most recent call last)
Cell In[9], line 7
3 import plotly.express as px
4 # %% [code] Figuur 2 – interactieve slope-chart (gefixte hover & dropdown)
5
6 # 1. Selecteer eerste en laatste jaar in de dataset
----> 7 min_year, max_year = df['TIME_PERIOD'].min(), df['TIME_PERIOD'].max()
9 # 2. Maak tweejaren-dataset en filter landen die beide jaren hebben
10 df_slope = df[df['TIME_PERIOD'].isin([min_year, max_year])]
File ~\anaconda3\envs\jupyterbook\lib\site-packages\pandas\core\frame.py:4107, in DataFrame.__getitem__(self, key)
4105 if self.columns.nlevels > 1:
4106 return self._getitem_multilevel(key)
-> 4107 indexer = self.columns.get_loc(key)
4108 if is_integer(indexer):
4109 indexer = [indexer]
File ~\anaconda3\envs\jupyterbook\lib\site-packages\pandas\core\indexes\base.py:3819, in Index.get_loc(self, key)
3814 if isinstance(casted_key, slice) or (
3815 isinstance(casted_key, abc.Iterable)
3816 and any(isinstance(x, slice) for x in casted_key)
3817 ):
3818 raise InvalidIndexError(key)
-> 3819 raise KeyError(key) from err
3820 except TypeError:
3821 # If we have a listlike key, _check_indexing_error will raise
3822 # InvalidIndexError. Otherwise we fall through and re-raise
3823 # the TypeError.
3824 self._check_indexing_error(key)
KeyError: 'TIME_PERIOD'
Figuur 2 – Slope‑chart per land. Klik op een land in de dropdown of de legenda om het geïsoleerd te tonen. Je ziet:
Scandinavië (DK, SE, NO) schiet omhoog.
Zuid‑ en Oost‑Europese landen (BG, RO, EL) blijven vrijwel vlak.
EU‑gemiddelde maskert dus enorme verschillen.
Relevantie: Hoge spreiding wijst op beleids‑ en infrastructuurverschillen – voer voor Perspectief 2.
Figuur 3 – ΔEV vs ΔCO₂. Elk punt is een land; de gestippelde lijn is de best‑fit.
De correlatie (Pearson r) ligt rond 0.76 (hover over de titel) – positief, en duidelijk positief.
Er zijn landen met forse EV‑groei maar bescheiden CO₂‑winst (→ vuile stroommix) en vice‑versa.
Interpretatie: De scatter bevestigt dat elektrificatie helpt maar niet alles verklaart. De impact hangt af van hoe schoon de elektriciteit is, hoe efficiënt nieuwe auto’s zijn en hoe snel oude vloten uitsterven.
Wie heeft er gelijk?#
Observatie uit data |
Steun voor perspectief |
|
|---|---|---|
EV ↘ CO₂ op EU‑niveau |
Ja, maar matige hellingshoek |
1 en 2 |
Grote land‑tot‑land variatie |
Ja, factor > 10 in groei |
2 |
Strak lineair verband ΔEV–ΔCO₂ |
Ja, maar niet perfect lineair, r ≈ 0.76 |
2 (nuancerend) |
Conclusie#
Elektrificatie is een krachtige hefboom (Perspectief 1), maar haar effectiviteit wordt gemoduleerd door stroommix, beleid en voertuigefficiëntie (Perspectief 2). In de huidige data lijkt een “50‑50‑verklaring” het meest realistisch: EV‑groei levert een noodzakelijke, maar niet voldoende, bijdrage aan de dalende CO₂‑trend.
Aanbeveling#
Versnel simultaan:
EV‑adoptie (aanschafsubsidies, laadinfrastructuur), én
Verduurzaming van elektriciteit + strengere efficiëntienormen.
Alleen dan convergeert de blauwe EV‑lijn in Figuur 1 naar een even steile daling in de gestippelde CO₂‑lijn.